神经网络模型在控制与优化、分类与预测、模式识别与图像处理等领域得到了十分广泛的应用。但由于神经网络模型的构建对初始连接权值和阈值的选择有一定依赖性,使得神经网络在针对大数据分类问题时的分类准确性和稳定性受到一定的影响。本文建立一种基于蚁群算法的BP神经网络优化算法,利用蚁群算法在解决复杂问题中的优化性能在解空间对神经网络中的权值、阈值进行迭代优化,以控制神经网络模型的相对误差,提高模型的稳定性和准确性。并将改进型神经网络应用于农村产权抵押贷款问题中的农户分类问题,与传统神经网络分类结果进行比较,以为农村金融机构提供决策参考。主要研究内容及结果如下:(1)建立基于蚁群算法的神经网络权值、阈值编码、路径选择方法;(2)根据蚁群算法在解决复杂问题优化过程中的特点及BP神经网络算法的基本原理,构建以蚁群算法进行相关参数优化为核心的改进型BP神经网络算法框架及结构。确定相关参数设定与选择;(3)通过对农村金融数据进行分类研究,在算法收敛速度、分类准确性、精确度等方面与传统方法进行比较,检验本方法在解决实际问题中的有效性和可行性。